OOGZIEKTEN DETECTEREN MET HYBRIDE DIEPE LEERALGORITMEN UIT FUNDUSBEELDEN

Volgens het in 2020 gepubliceerde wereldwijde rapport van de Wereldgezondheidsorganisatie hebben momenteel wereldwijd minstens 2,2 miljard mensen een visuele beperking, en minstens 1 miljard van hen heeft een visuele beperking die kan worden voorkomen of nog niet is aangepakt. De wereld wordt geconfronteerd met aanzienlijke uitdagingen op het gebied van de ooggezondheid, waaronder ongelijkheid in de dekking en kwaliteit van oogzorgpreventie, -behandeling en -rehabilitatiediensten, een gebrek aan opgeleide oogzorgaanbieders en een slechte integratie van oogzorgdiensten in onder meer de gezondheidszorgsystemen.

Het is bekend dat meer dan 80% van alle visuele stoornissen voorkomen of behandeld kunnen worden. Om een ​​juiste diagnose te kunnen stellen, moet een oogfundusonderzoek door een netvliesspecialist worden uitgevoerd, maar mensen raadplegen pas een oogarts als ze enig ongemak ervaren. Hoewel de symptomen doorgaans zo sterk verergeren dat zodra een ziekte optreedt, resulterend in dure behandelingen en operaties, de schade vaak onomkeerbaar is, wat resulteert in een visuele beperking of zelfs permanent verlies van het gezichtsvermogen.

Kunstmatige intelligentie wordt gebruikt voor het bestuderen en ontwikkelen van theorieën en methoden die kunnen helpen bij het simuleren en uitbreiden van de menselijke intelligentie, die in veel onderzoeksgebieden zijn gebruikt, zoals automatische diagnose en geneeskunde. De afgelopen jaren heeft de kruising van kunstmatige intelligentie (AI)-technologie en moderne geneeskunde een effectieve en snelle ziektescreening mogelijk gemaakt. EyeCheckup is een geautomatiseerd softwareapparaat dat is ontworpen om digitale kleurenfoto's van de oogfundus te analyseren om snel te kunnen screenen op ziekten van het netvlies en de optische schijf.

Het hoofddoel van het onderzoek is het evalueren van de prestaties van het automatische screeningalgoritme om stuurbare netvlies- en optische schijfziekten op te sporen op basis van kleurenfundusbeelden en om de gevoeligheid en specificiteit ervan voor mogelijke ziekten te bepalen. Voor de klinische validatie van het systeem worden de beelden beoordeeld door oogartsen en worden de resultaten vergeleken met het kunstmatige intelligentie-algoritme.

Na uitsluitingen zal dit onderzoek maximaal 1528 proefpersonen inschrijven die aan de geschiktheidscriteria voldoen. Deelnemers die aan de geschiktheidscriteria voldoen, worden gerekruteerd na het verkrijgen van schriftelijke geïnformeerde toestemming van eerstelijnszorgverleners. De proefpersonen zullen fundusfotografie ondergaan volgens, door de Food and Drug Administration (FDA) goedgekeurde, oogheelkundige camera's. Beelden worden gemaakt volgens een specifiek EyeCheckup-beeldvormingsprotocol dat aan de oogcamera-operator wordt verstrekt en vervolgens worden geanalyseerd door het EyeCheckup v2.0-apparaat.

Methoden en hulpmiddelen die bij het onderzoek moeten worden gebruikt:

I. Fundusfoto's maken met niet-mydriatische camera's: Optische schijf-gecentreerde en fovea-gecentreerde fundusbeelden zullen worden gemaakt met Canon CR-2 AF, Topcon TRC-NW400 en Optomed Aurora niet-mydriatische funduscamera's. Bij vrijwilligers bij wie geen niet-mydriatische beelden kunnen worden verkregen, wordt pupilverwijding bereikt door tropicamidedruppels in te druppelen, waarna er beelden worden gemaakt. Canon CR-2 AF, Topcon TRC-NW400 en Optomed Aurora niet-mydriatische funduscamera's, waarvan retina-opnamen worden gemaakt, zijn CE-gemarkeerd en FDA-goedgekeurd.

Uit te voeren tests:

I. Fundusbeelden verkregen met drie verschillende camera's van elke vrijwilliger in het onderzoek zullen afzonderlijk worden geanalyseerd voor zowel het rechteroog als het linkeroog door het EyeCheckup-algoritme voor kunstmatige intelligentie op cameragebaseerde basis.

ii. Evaluatie van Canon CR-2 AF-beelden door retina- en glaucoomspecialisten voor klinische validatie van het systeem en vergelijking van de resultaten,